이 강좌에 대하여

최근 조회 66,125
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 4개 강좌 중 3번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
고급 단계

This is an advanced course, intended for learners with a background in computer vision and deep learning.

완료하는 데 약 31시간 필요
영어
자막: 영어

배울 내용

  • Work with the pinhole camera model, and perform intrinsic and extrinsic camera calibration

  • Detect, describe and match image features and design your own convolutional neural networks

  • Apply these methods to visual odometry, object detection and tracking

  • Apply semantic segmentation for drivable surface estimation

공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 4개 강좌 중 3번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
고급 단계

This is an advanced course, intended for learners with a background in computer vision and deep learning.

완료하는 데 약 31시간 필요
영어
자막: 영어

제공자:

토론토 대학교 로고

토론토 대학교

강의 계획 - 이 강좌에서 배울 내용

1

1

완료하는 데 2시간 필요

Welcome to Course 3: Visual Perception for Self-Driving Cars

완료하는 데 2시간 필요
4개 동영상 (총 18분), 4 개의 읽기 자료
4개의 동영상
Welcome to the course4m
Meet the Instructor, Steven Waslander5m
Meet the Instructor, Jonathan Kelly2m
4개의 읽기 자료
Course Prerequisites15m
How to Use Discussion Forums15m
How to Use Supplementary Readings in This Course15m
Recommended Textbooks15m
완료하는 데 7시간 필요

Module 1: Basics of 3D Computer Vision

완료하는 데 7시간 필요
6개 동영상 (총 43분), 4 개의 읽기 자료, 2 개의 테스트
6개의 동영상
Lesson 1 Part 2: Camera Projective Geometry8m
Lesson 2: Camera Calibration7m
Lesson 3 Part 1: Visual Depth Perception - Stereopsis7m
Lesson 3 Part 2: Visual Depth Perception - Computing the Disparity5m
Lesson 4: Image Filtering7m
4개의 읽기 자료
Supplementary Reading: The Camera Sensor30m
Supplementary Reading: Camera Calibration15m
Supplementary Reading: Visual Depth Perception30m
Supplementary Reading: Image Filtering15m
1개 연습문제
Module 1 Graded Quiz30m
2

2

완료하는 데 7시간 필요

Module 2: Visual Features - Detection, Description and Matching

완료하는 데 7시간 필요
6개 동영상 (총 44분), 5 개의 읽기 자료, 1 개의 테스트
6개의 동영상
Lesson 2: Feature Descriptors6m
Lesson 3 Part 1: Feature Matching7m
Lesson 3 Part 2: Feature Matching: Handling Ambiguity in Matching5m
Lesson 4: Outlier Rejection8m
Lesson 5: Visual Odometry9m
5개의 읽기 자료
Supplementary Reading: Feature Detectors and Descriptors30m
Supplementary Reading: Feature Matching15m
Supplementary Reading: Feature Matching15m
Supplementary Reading: Outlier Rejection15m
Supplementary Reading: Visual Odometry10m
3

3

완료하는 데 3시간 필요

Module 3: Feedforward Neural Networks

완료하는 데 3시간 필요
6개 동영상 (총 58분), 6 개의 읽기 자료, 1 개의 테스트
6개의 동영상
Lesson 2: Output Layers and Loss Functions10m
Lesson 3: Neural Network Training with Gradient Descent10m
Lesson 4: Data Splits and Neural Network Performance Evaluation8m
Lesson 5: Neural Network Regularization9m
Lesson 6: Convolutional Neural Networks9m
6개의 읽기 자료
Supplementary Reading: Feed-Forward Neural Networks15m
Supplementary Reading: Output Layers and Loss Functions15m
Supplementary Reading: Neural Network Training with Gradient Descent15m
Supplementary Reading: Data Splits and Neural Network Performance Evaluation10m
Supplementary Reading: Neural Network Regularization15m
Supplementary Reading: Convolutional Neural Networks10m
1개 연습문제
Feed-Forward Neural Networks30m
4

4

완료하는 데 3시간 필요

Module 4: 2D Object Detection

완료하는 데 3시간 필요
4개 동영상 (총 52분), 4 개의 읽기 자료, 1 개의 테스트
4개의 동영상
Lesson 2: 2D Object detection with Convolutional Neural Networks11m
Lesson 3: Training vs. Inference11m
Lesson 4: Using 2D Object Detectors for Self-Driving Cars14m
4개의 읽기 자료
Supplementary Reading: The Object Detection Problem15m
Supplementary Reading: 2D Object detection with Convolutional Neural Networks30m
Supplementary Reading: Training vs. Inference45m
Supplementary Reading: Using 2D Object Detectors for Self-Driving Cars30m
1개 연습문제
Object Detection For Self-Driving Cars30m

검토

VISUAL PERCEPTION FOR SELF-DRIVING CARS의 최상위 리뷰

모든 리뷰 보기

자율 주행 자동차 특화 과정 정보

Be at the forefront of the autonomous driving industry. With market researchers predicting a $42-billion market and more than 20 million self-driving cars on the road by 2025, the next big job boom is right around the corner. This Specialization gives you a comprehensive understanding of state-of-the-art engineering practices used in the self-driving car industry. You'll get to interact with real data sets from an autonomous vehicle (AV)―all through hands-on projects using the open source simulator CARLA. Throughout your courses, you’ll hear from industry experts who work at companies like Oxbotica and Zoox as they share insights about autonomous technology and how that is powering job growth within the field. You’ll learn from a highly realistic driving environment that features 3D pedestrian modelling and environmental conditions. When you complete the Specialization successfully, you’ll be able to build your own self-driving software stack and be ready to apply for jobs in the autonomous vehicle industry. It is recommended that you have some background in linear algebra, probability, statistics, calculus, physics, control theory, and Python programming. You will need these specifications in order to effectively run the CARLA simulator: Windows 7 64-bit (or later) or Ubuntu 16.04 (or later), Quad-core Intel or AMD processor (2.5 GHz or faster), NVIDIA GeForce 470 GTX or AMD Radeon 6870 HD series card or higher, 8 GB RAM, and OpenGL 3 or greater (for Linux computers)....
자율 주행 자동차

자주 묻는 질문

  • Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:

    • The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
    • The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
  • 강좌를 등록하면 전문 분야의 모든 강좌에 접근할 수 있고 강좌를 완료하면 수료증을 취득할 수 있습니다. 전자 수료증이 성취도 페이지에 추가되며 해당 페이지에서 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다. 강좌 내용만 읽고 살펴보려면 해당 강좌를 무료로 청강할 수 있습니다.

  • 구독하는 경우, 취소해도 요금이 청구되지 않는 7일간의 무료 평가판을 이용할 수 있습니다. 해당 기간이 지난 후에는 환불이 되지 않지만, 언제든 구독을 취소할 수 있습니다. 전체 환불 정책 보기.

  • 예, Coursera에서는 수업료를 낼 수 없는 학습자를 위해 재정 지원을 제공합니다. 왼쪽에 있는 등록 버튼 아래 재정 지원 링크를 클릭하면 지원할 수 있습니다. 신청서를 작성하라는 메시지가 표시되며 승인되면 알림을 받습니다. 성취 프로젝트를 포함하여 전문 분야의 각 강좌에서 이 단계를 완료해야 합니다. 자세히 알아보기.

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.